Sviluppo di modelli previsionali per impianti eolici mediante reti neurali feedforward

Given the strong and continuous growth of wind power generation in Italy and in the world, it becomes essential to get this source involved in the power system through the improvement of forecasting of electricity fed into the grid by wind farms. Proper wind power forecasting is thus essential for (i) grid operators, in order to avoid power grid balance problems, (ii) wind farm operators, to reduce imbalance charges and penalties, and (iii) consumers, who are affected by the increase of imbalance costs due to low predictability. This Master thesis is focused on the development of forecasting models for wind farms production on a 24 hours horizon. The aim is to obtain accurate wind power predictions using feedforward artificial neural networks. Particularly, different forecasting models are developed and their best architecture is researched by means of sensitivity analysis, modifying the principal parameters of the network, and through suitable error indicators. The results obtained are compared with the forecasts provided by numerical weather prediction models (NWP). A hybrid model is also presented, with the purpose to benefit from the features of both the physical and statistical models. With this hybrid model we got an improvement of all the error indicators used in this work, obtaining an enhancement of the overall reliability of the considered forecasting models.

Data la forte e continua crescita della generazione di energia eolica in Italia e nel mondo, diventa imprescindibile coinvolgere questa fonte al funzionamento del sistema elettrico tramite il miglioramento delle previsioni dell’energia immessa in rete da tali impianti. La corretta previsione del vento e della potenza producibile è quindi di fondamentale importanza (i) per i gestori delle reti, per evitare problemi di bilanciamento della rete, (ii) per gli operatori dei parchi eolici, per ridurre gli oneri e le penali di sbilanciamento, e (iii) per i consumatori, sui quali incide l’aumento dei costi di dispacciamento dovuti alla scarsa prevedibilità. Il presente lavoro di tesi consiste nello sviluppo di modelli previsionali per la producibilità di un campo eolico con un orizzonte di 24 ore. L’obiettivo è quello di ottenere, tramite reti neurali artificiali feedforward, previsioni accurate della potenza oraria producibile dall’impianto. In particolare, si sviluppano differenti modelli previsionali per ognuno dei quali viene ricercata la migliore architettura mediante analisi di sensitività, variando i principali parametri della rete, e opportuni indicatori di performance. I risultati vengono confrontati con le previsioni fornite da modelli numerici di previsione meteorologica (numerical weather prediction model, NWP). Viene inoltre presentato un modello ibrido con l’obiettivo di trarre vantaggio dalle caratteristiche sia dei modelli fisici sia dei modelli statistici di cui è composto. Con il modello ibrido si registra un miglioramento di tutti gli indicatori di errore utilizzati in questo lavoro, aumentando l’affidabilità complessiva dei modelli previsionali considerati.